Alva Labs hatte alles, was man sich für ein KI-bereites Unternehmen wünscht. Ein technikaffines Team in Stockholm. Einen CEO, der nebenbei bereits eigene KI-Workflows entwickelte. Einen internen Architekten, der an der unternehmensweiten Einführung von KI arbeitete.
Aber bevor sie den Moonshot wagten, mussten sie erst das Fundament bauen.
Wir haben mit Alva einen 8-wöchigen Transformations-Sprint durchgeführt – und die wichtigste Entscheidung, die wir gemeinsam getroffen haben, war die, was wir nicht bauen. Anstatt die spannenden KI-Projekte anzugehen, die im Discovery-Prozess früh aufgetaucht sind, haben wir uns direkt um die Infrastruktur gekümmert: ein dreigliedriges Operating System, eine Dashboard-Architektur, die Daten von der Benutzeroberfläche trennt, und eine KI-Konfiguration, die den Modellen etwas Echtes zum Arbeiten gibt.
Hier ist, warum die kontraintuitive Entscheidung, keine KI zuerst zu bauen, wenn man ein KI-natives Unternehmen werden will, absolut Sinn ergibt.
Das Unternehmen
Alva Labs entwickelt die Hiring-Plattform, die Unternehmen nutzen, um schnellere, fairere und datengetriebene Entscheidungen zu treffen.
Gegründet 2017, Hauptsitz Stockholm. Rund 50 Mitarbeitende. Psychometrische Tests, strukturierte Interviews, KI-gestützte Assessments. Eines der weltweit ersten nach ISO/IEC 42001 zertifizierten Unternehmen – ihre KI ist transparent, fair und von Grund auf überprüfbar.
Ihre Mission ist klar: Menschen einstellen, nicht Lebensläufe. Die Plattform kombiniert validierte psychometrische Assessments mit strukturierten Interview-Frameworks, Coding-Tests und KI-gesteuerter Kandidatenbewertung – ein vollständiges Hiring-System, auf das mittlerweile über 650 Unternehmen setzen, um Bauchgefühl-Entscheidungen durch Daten zu ersetzen. Mit einer Series-A-Finanzierung von 13 Millionen Dollar unter der Führung von VNV Global hat Alva eine der umfassendsten Assessment-Plattformen Europas aufgebaut – vertraut von Enterprise-Talent-Teams von H&M bis Nobia.
Ein Unternehmen, das verantwortungsvolle KI-Produkte liefert und die „Move Fast”-Kultur wirklich lebt. Als wir das Projekt starteten, war die Energie sofort spürbar – vom CEO bis zu einzelnen Teammitgliedern: Menschen waren neugierig, bauten Dinge und schöpften KI voll aus.
Diese Begeisterung ist selten. Unsere Aufgabe war es, ihr die richtige Infrastruktur zum Skalieren zu geben.
Die Herausforderung
Wenn ein Unternehmen schnell wächst und das Team voller Builder ist, entwickeln sich Notion-Workspaces oft organisch. Menschen schaffen Lösungen für ihren eigenen Bedarf. Neue Tools werden eingeführt. Die Dinge bewegen sich schnell.
Irgendwann – meistens um die 40- bis 50-Personen-Marke – beginnt dieses organische Wachstum, Reibung zu erzeugen.
Nicht weil jemand einen Fehler gemacht hat.
Sondern weil die Tools nicht mit der Geschwindigkeit des Unternehmens mitgehalten haben.
Genau da war Alva, als wir starteten.
Wir haben unser zweiwöchiges Blueprint-Audit als Teil unseres Notion Consulting-Prozesses durchgeführt und drei Bereiche identifiziert, in denen Investitionen in Struktur sofort Früchte tragen würden.
1. Das Graveyard-Problem
Wie die meisten wachsenden Unternehmen hatte Alva über die Jahre eine erhebliche Dokumentationsbasis aufgebaut.
Die Herausforderung?
Teile davon waren veraltet, und es gab keinen einfachen Weg zu erkennen, welche Seiten aktuell waren und welche nicht.
Ein Teamleiter führte uns durch ein gutes Beispiel: zwei Seiten ganz oben im CS-Bereich, die das Team täglich nutzte – und eine größere Sammlung darunter, die ihren Zweck erfüllt hatte, aber schon eine Weile nicht mehr aktualisiert worden war.
Ohne seinen Kontext hätte man die beiden nicht unterscheiden können.
Das ist ein Muster, das wir überall sehen. Wir nennen es den Trust-Update Death Spiral. Wenn Dokumentation ohne klare Frische-Signale altert, beginnen Menschen, das Gefundene zu hinterfragen. Das bedeutet weniger Updates. Was bedeutet mehr veraltete Inhalte. Und so weiter.
Die Lösung ist nicht mehr Dokumentation. Sondern bessere Signale – Ownership, Verifizierung und ein System, das von Natur aus das Aktuelle an die Oberfläche bringt.
2. Single Player × Tool Sprawl
Alvas Team ist voller proaktiver Menschen, die die Initiative ergreifen. Die Kehrseite? Mehrere Teams hatten unabhängig voneinander ihre eigenen Tracking-Systeme, OKR-Tracker und Workflows gebaut – alle für sich solide, aber voneinander getrennt.
Drei Meeting-Transkriptions-Tools liefen parallel (Gong für CS/Sales, Fathom und Notion). OKR-Tracking lebte an verschiedenen Orten, je nachdem, wen man fragte. Wissen war über geteilte Spaces und private Seiten verteilt.
All das ist für ein Unternehmen in Alvas Phase nicht ungewöhnlich. Es ist das natürliche Ergebnis eines Teams, das schnell bewegt und Probleme löst, sobald sie auftauchen. Die Chance bestand darin, zu konsolidieren – allen ein gemeinsames System zu geben und dabei die Flexibilität zu bewahren, die sie produktiv macht.
3. Der Boden ist zu niedrig
Das war der interessanteste Fund. Alle bei Alva waren begeistert von KI. Malcolm entwickelte bereits eigene Workflows mit Claude und Obsidian. Max trieb eine KI-Strategie durch die gesamte Organisation.
Aber in den Interviews hörten wir immer wieder eine Version derselben Beobachtung: Notion AI fühlte sich nicht so leistungsfähig an wie eigenständige Tools wie ChatGPT.
Notion AI nutzt dieselben zugrunde liegenden Modelle. Gut konfiguriert sollte es eigenständige Tools für Wissensarbeit übertreffen – weil es Zugriff auf den Unternehmenskontext hat. Aber genau das war der Punkt: Alva hatte noch keinen System-Prompt, keine Verifizierungs-Signale und keinen strukturierten Kontext eingerichtet, der die KI zu Höchstleistungen befähigen würde.
Die Modelle waren leistungsfähig. Die Kontext-Ebene war noch nicht gebaut.
Das ist das Muster, das wir bei fast jedem Unternehmen sehen, mit dem wir arbeiten. Die Führung ist begeistert von ambitionierten KI-Projekten – Agenten, automatisierte Insights, intelligente Pipelines. Aber all diese Projekte brauchen ein solides Datenfundament darunter. Bau zuerst den Boden. Dann heb die Decke an.
Die Strategische Entscheidung
Max und Malcolm kamen mit ambitionierten Ideen zu uns. Intercom-Pipelines. Leadership-Agenten. Automatisierte Kunden-Insights. Alles Projekte, die wir gerne bauen würden.
Unsere Empfehlung: mit dem Fundament anfangen.
Jedes dieser Projekte erforderte eine Daten-Architektur, die noch nicht vorhanden war. Und in das Fundament für die gesamte Organisation zu investieren würde mehr Gesamtwirkung erzielen als direkt zu fortgeschrittenen Projekten für einige wenige Power-User zu springen.
Max hat es gut auf den Punkt gebracht: „Notion wird der Boden sein, und dann wird Claude die Decke sein.”
Wir haben unseren 8-wöchigen Notion Transformation Sprint durchgeführt – ein bewährtes Framework für Notion Consulting. Wöchentliche Check-ins, offener Slack-Kanal und Ergebnisse, die man innerhalb von Tagen testen kann.
Was Wir Gebaut Haben
1. Ein Dreigliedriges Operating System
Drei Säulen. Eine Daten-Architektur.
Knowledge (Docs + Meetings) – alles Unternehmenswissen in einem System. Ownership, Verifizierung und eine einfache Regel: Wenn du eine Seite erstellst, kommt sie in Docs. Klare Frische-Signale, damit alle – Menschen und KI – erkennen können, was aktuell ist. Ein Fundament, das Notion AI zum Arbeiten befähigt.
Actions (Projects + Tasks) – eine gemeinsame Visibility-Ebene für Projektmanagement im gesamten Unternehmen. Zum ersten Mal kann jeder die Frage beantworten: „Woran arbeitet das Team gerade?”
Alignment (OKRs) – ein konsolidierter Tracker, der die verschiedenen Versionen zusammenführt, die Teams gebaut hatten. Strukturiert für KI-Analysen. Wöchentliche Reports, die Kontext über die Zeit bewahren, anstatt ihn zu überschreiben.
Centralized Data, Decentralized Workflows. Eine Daten-Architektur, viele Schnittstellen. Datenbanken sind standardisiert und gesperrt. Wie jede Person damit interagiert? Völlig frei.
2. Dashboards als Frontend
Datenbanken sind das Backend. Dort leben Daten – standardisiert, konsistent. Dashboards sind das Frontend. So interagieren Menschen tatsächlich damit.
Wir haben Defaults gebaut, die sofort funktionieren – was wir Building Blocks, Not Blank Pages nennen. Neue Teammitglieder erhalten sie automatisch. Champions und Power-User bauen ihre eigenen – zeigen genau das, was sie brauchen. Nichts weiter.
Montagmorgen-Dashboard mit den Aufgaben dieser Woche und den Meeting-Notizen von gestern? Bauen. Lieber eine Timeline als ein Kanban-Board? Umschalten. Das Reporting-Layout, das der Teamlead entworfen hat? Abonnieren.
Daten bleiben konsistent. Das Erlebnis wird persönlich.
Max hat das sofort mit seinem Obsidian-Setup verbunden: „Der Gedanke, der mir kommt, ist, meine Obsidian-Struktur in mein eigenes Custom-Dashboard zu migrieren. Angepasst an meine Arbeitsweise.”
3. KI-Bereit von Tag Eins
Alles, was wir gebaut haben, war auf eine Frage ausgerichtet: Kann KI damit arbeiten?
Ein Master-Prompt mit Unternehmenskontext und Anweisungen, verifizierte Informationen zu priorisieren. 90-Tage-Verifizierungszyklen, die Vertrauenssignale für Menschen und KI schaffen.
Das Campsite Principle – keine erzwungene Bulk-Migration. Wir haben Notion AI angewiesen, verifizierte Docs im zentralen System zu priorisieren, damit Informationen organisch an Relevanz gewinnen, wenn Menschen sie nutzen.
Ein Meeting-to-Action-Workflow, bei dem KI Transkripte verarbeitet und Follow-up-Aufgaben erstellt.
Malcolm bemerkte die Auswirkung, noch bevor die Datenbanken vollständig befüllt waren:
„Es fühlt sich an, als würde Notion für mich schon viel besser performen – obwohl noch kaum Kontext in diesen Datenbanken ist.”
Kleine strukturelle Verbesserungen – das richtige Modell, ein ordentlicher System-Prompt, klare Kontext-Signale – potenzieren sich schnell. Malcolm hat es erlebt:
„Dieses Projekt hat wirklich den Compounding-Effekt beleuchtet. Ich habe eine Präsentation vorbereitet – super schnell die Gliederung in Notion herausgearbeitet, das zu meiner KI gebracht, auf Anhieb fertig, keine Korrekturen. Hat wahrscheinlich ein bis zwei Stunden gespart. Und dann hat mein Mitgründer dieselbe Methode genommen und eine Präsentation in fünf Minuten erstellt.”
Zwei Menschen. Eine Methode. Sofortige Multiplikation. Das macht ein ordentlich gebauter Boden möglich.
Was Als Nächstes Für Alva Kommt
Wann immer wir ein Projekt durchführen, haben wir ein Ziel:
Wir wollen uns überflüssig machen.
Bildung und Ownership stehen im Mittelpunkt von allem, was wir tun. Du solltest in der Lage sein, die Systeme, die wir bauen, selbst zu betreiben.
Aber wenn du uns an deiner Seite behalten möchtest, freuen wir uns natürlich, dein langfristiger strategischer Partner für alles rund um Notion und KI zu sein.
Max’ Fazit:
„10 von 10. Du bist nicht nur dieser Notion-Experte, sondern auch jemand, der generell vorantreibt, wie man mit KI arbeitet – eigene Systeme baut, in Kategorien denkt, wie man diese Systeme aufbauen kann. Das hilft uns bei Alva so sehr. Das ist es, was wir in einem Partner suchen.”
Mit Phase 1 abgeschlossen schauen wir nun, wie wir Notion AI und intelligente Automationen noch tiefer in die Organisation bringen.
Der Boden ist gebaut. Wie hoch geht die Decke?
